Dzięki zastosowaniu sztucznej inteligencji można łatwiej i szybciej wykryć ostre uszkodzenie nerek związane z oparzeniami - informuje pismo “Burns”.
Fot. pixabay.com
Ostre uszkodzenie nerek (AKI) to nagła niewydolność nerek lub uszkodzenie powodujące gromadzenie się substancji odpadowych we krwi i zaburzenia równowagi płynów w organizmie. AKI zwykle zdarza się w ciągu pierwszego tygodnia po poważnym oparzeniu, szczególnie w krytycznych pierwszych 24 godzinach. Rozwijające się w około 30 proc. przypadków AKI jest częstym powikłaniem po ciężkim oparzeniu, a śmiertelność sięga 80 proc. Wczesne rozpoznanie tej patologii jest jednak trudne. Lekarze zazwyczaj opierają się na wskaźnikach takich jak stężenie kreatyniny w surowicy/osoczu oraz wydalanie moczu.
Naukowcy z University of California Davis Health UC Davis jako pierwsi zidentyfikowali nowy biomarker, znany jako lipokalina związana z żelatynazą neutrofilów (NGAL), który odgrywa rolę we wczesnym przewidywaniu AKI u ciężko poparzonych pacjentów. Jednak interpretacja wyników wymaga bardzo doświadczonych klinicystów i ekspertów laboratoryjnych. To wyzwanie skłoniło zespół z Davis do opracowania modelu uczenia maszynowego (sztucznej inteligencji), który pozwala przewidzieć ostre uszkodzenie nerek szybciej (o dobę, a nawet o dwa dni) i dokładniej (90-100 proc. rozpoznań) niż kiedykolwiek.
„Zdolność do przewidywania AKI u pacjentów z oparzeniem za pomocą sztucznej inteligencji jest potencjalnym przełomem dla ośrodków leczenia oparzeń - powiedziała Tina Palmieri, profesor i dyrektor Firefighters Burn Institute Regional Burn Center w UC Davis Medical Center. - Jeśli jesteśmy w stanie stwierdzić, że pacjent może mieć uszkodzenie nerek, możemy podjąć zdziałania zapobiegawcze”.
Jak zaznaczają twórcy, nowy model może być wykorzystany w terenie, również na polu walki. Ponieważ żołnierze mogą być wysyłani do szpitali, w których nie ma możliwości leczenia uszkodzenia nerek, dzięki nowym technikom diagnostycznym można by szybciej identyfikować pacjentów z AKI i kierować ich do zaawansowanych placówek medycznych.
